*完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202404*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:圖神經網絡基礎.模型與應用實戰 ISBN:9787302658832 出版社:清華大學 著編譯者:蘭偉 葉進 朱曉姝 頁數:204 所在地:中國大陸 *此為代購商品 書號:1638110 可大量預訂,請先連絡。 內容簡介 圖神經網路不僅能夠解決傳統機器學習方法無法解決的圖數據問題,而且能夠應用於許多實際場景,例如社交網路、藥物發現、網路安全、金融風控等。本書旨在為初學者和實踐者提供一個詳細、全面的入門指南,圍繞圖神經網路基礎、模型、應用實戰(均採用Python+PyTorch實現)等方面進行介紹。本書配套示例源碼、數據集、PPT課件。 本書共分9章,內容包括圖神經網路概述、PyTorch開發環境搭建、數據集的獲取與載入、圖神經網路模型、圖神經網路在自然語言處理領域的應用、圖神經網路在計算機視覺領域的應用、圖神經網路在推薦系統領域的應用、圖神經網路在社交網路領域的應用、圖神經網路的挑戰和機遇。其中,每個領域的應用都包括1∼3個實戰項目,可以幫助讀者快速掌握圖神經網路。 本書適合圖神經網路初學者、圖神經網路演算法開發人員、深度學習演算法開發人員,也適合高等院校或高職高專圖神經網路相關課程的師生教學參考。作者簡介 蘭偉,廣西大學計算機與電子信息學院副教授,博士研究生導師,中南大學博士。主要研究方向為機器學習、數據挖掘、生物信息學。在國際知名期刊和會議上發表論文60餘篇,先後出版專著2部,獲省部級獎項1項。目錄 第1章 圖神經網路概述1 1 什麼是圖神經網路 1 1 1 圖的基礎知識 1 1 2 圖神經網路簡介 1 1 3 圖神經網路的應用領域 1 2 圖神經網路的重要性 1 3 圖神經網路與傳統深度學習的區別 1 3 1 傳統深度學習模型 1 3 2 圖神經網路與傳統深度學習的區別 第2章 PyTorch開發環境搭建 2 1 Anaconda的安裝和配置 2 2 PyCharm的安裝和配置 2 3 PyTorch Geometric的安裝和配置 2 3 1 查看系統支持的CUDA版本 2 3 2 下載最新的Navida顯卡驅動 2 3 3 下載CUDA Toolkit 2 3 4 cuDNN的安裝 2 3 5 安裝PyTorch框架虛擬環境 2 3 6 檢查PyTorch框架的安裝 2 3 7 安裝圖神經網路庫 2 3 8 使用Jupyter Notebook運行代碼 第3章 數據集的獲取與載入 3 1 PyTorch Geometric內置數據集 3 1 1 PyTorch Geometric簡介 3 1 2 PyG內置數據集簡介 3 1 3 如何載入內置數據集 3 2 自定義數據集 3 2 1 torch_geometric data Dataset類 3 2 2 torch_geometric data DataLoader類 3 2 3 如何載入自定義數據集 3 3 數據集預處理步驟 3 3 1 圖像數據預處理 3 3 2 圖數據預處理 第4章 圖神經網路模型 4 1 圖卷積神經網路 4 1 1 圖卷積神經網路的起源和發展 4 1 2 圖卷積神經網路與卷積神經網路的異同 4 1 3 圖卷積神經網路簡單代碼實現 4 1 4 卷積神經網路簡單代碼示例 4 1 5 圖卷積神經網路的應用領域 4 2 圖注意力網路 4 2 1 圖注意力網路的由來和發展 4 2 2 圖注意力網路模型代碼實現 4 2 3 圖注意力網路的應用領域 4 3 圖自編碼器 4 3 1 圖自編碼器的由來和發展 4 3 2 圖自編碼器代碼實現 4 3 3 圖自編碼器的應用領域 4 4 圖生成網路 4 4 1 圖生成網路的由來和發展 4 4 2 圖生成網路代碼實現 4 4 3 圖生成網路的應用領域 第5章 圖神經網路在自然語言處理領域的應用 5 1 基於圖神經網路的文本分類實現 5 1 1 問題描述 5 1 2 導入數據集 5 1 3 詞嵌入 5 1 4 構造鄰接矩陣 5 1 5 構建圖數據 5 1 6 圖的小型批處理 5 1 7 圖卷積神經網路 5 1 8 模型訓練與測試 5 2 基於圖神經網路的情感分析實現 5 2 1 問題描述 5 2 2 導入數據集 5 2 3 詞嵌入 5 2 4 語法依存樹 5 2 5 圖的小型批處理 5 2 6 圖神經網路的構造 5 2 7 模型訓練與測試 5 3 基於圖神經網路的機器翻譯實現 5 3 1 基於語法感知的圖神經網路編碼器用於機器翻譯 5 3 2 利用圖卷積神經網路挖掘機器翻譯中的語義信息 5 3 3 示例總結 第6章 圖神經網路在計算機視覺領域的應用 6 1 基於圖神經網路的圖像分類實現 6 1 1 基於端到端的圖神經網路模型的圖像分類 6 1 2 基於區域的圖神經網路模型的圖像分類 6 2 基於圖神經網路的目標檢測實現 6 2 1 圖神經網路的目標檢測方法及其優缺點 6 2 2 GSDT目標檢測的步驟 6 2 3 問題描述 6 2 4 導入數據集 6 2 5 模型搭建 6 2 6 模型訓練與測試 6 3 基於圖神經網路的圖像生成實現 6 3 1 基於草圖組合與圖像匹配的圖像生成 6 3 2 基於圖神經網路的場景圖生成 6 3 3 基於圖卷積神經網路從場景圖生成圖像 第7章 圖神經網路在推薦系統領域的應用 7 1 基於圖神經網路的用戶興趣建模實現 7 2 基於圖神經網路的推薦演算法實現 7 3 基於圖神經網路的廣告推薦實現 7 3 1 數據預處理 7 3 2 模型定義 7 3 3 參數設置 7 3 4 模型訓練與測試 7 3 5 結果 第8章 圖神經網路在社交網路領域的應用 8 1 基於圖神經網路的社交網路分析實現 8 1 1 問題描述 8 1 2 導入數據集 8 1 3 模型搭建 8 1 4 模型訓練與測試 8 1 5 示例總結 8 2 基於圖神經網路的社交網路關係預測實現 8 2 1 問題描述 8 2 2 導入數據集 8 2 3 模型搭建 8 2 4 模型訓練與測試 8 2 5 示例總結 8 3 基於圖神經網路的社交網路推薦實現 8 3 1 問題描述 8 3 2 導入數據集 8 3 3 模型搭建 8 3 4 模型訓練與測試 8 3 5 示例總結 第9章 圖神經網路的挑戰和機遇 9 1 圖神經網路的發展歷程和現狀 9 1 1 圖神經網路的分類 9 1 2 經典的圖神經網路模型 9 2 圖神經網路的技術挑戰和應用機遇 9 3 圖神經網路的未來發展方向和熱點問題 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |